BairdのVAPSアルゴリズムを元にした方策勾配法の学習速度が激遅。目的関数のパラメタの更新式の意味を読み間違えていたらしい。
学校から家に帰ってきたら両親がいない。そういえば今日は遅くなるとか言っていたようないないような… ラメンでも食いにいこうっと。
引用をストックしました
引用するにはまずログインしてください
引用をストックできませんでした。再度お試しください
限定公開記事のため引用できません。